کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6866536 | 679631 | 2014 | 9 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Learning performance of coefficient-based regularized ranking
ترجمه فارسی عنوان
عملکرد یادگیری رتبه بندی منظم مبتنی بر ضریب
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
رتبه بندی تنظیم مقادیر، تعمیم محدود، سیستم توصیه شده، کشف مواد مخدر،
ترجمه چکیده
روشهای اصلاح شده هسته برای مسئله رتبه بندی به تازگی به افزایش توجه پرداخت شده است که معمولا براساس طرح تنظیم در یک فضای هیلبرت هسته بازتولید شده است. در این مقاله، ما از طریق بررسی توانایی تعمیم پذیری با مرتب سازی بر اساس ضریب، فراتر از این چارچوب می رویم. الگوریتم رتبه بندی منظم با فضای فرضیه وابسته به داده ها پیشنهاد شده است و قضیه ارجاع کننده آن ثابت شده است. خطای عمومی شدن بر اساس تعداد پوشش های فضای فرضیه تعیین می شود. تجزیه و تحلیل های قبلی متفاوت با تجزیه و تحلیل قبلی با تکیه بر هسته های مرسر، تجزیه و تحلیل نظری ما بر اساس عملکرد کلی هسته هسته ای است که لزوما نیمه متقارن یا مثبت نیست. نتایج تجربی در مجموعه داده های معیار، اثربخشی الگوریتم مبتنی بر ضریب را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
The regularized kernel methods for ranking problem have attracted increasing attention recently, which are usually based on the regularization scheme in a reproducing kernel Hilbert space. In this paper, we go beyond this framework by investigating the generalization ability of ranking with coefficient-based regularization. A regularized ranking algorithm with a data-dependent hypothesis space is proposed and its representer theorem is proved. The generalization error bound is established in terms of the covering numbers of the hypothesis space. Different from the previous analysis relying on Mercer kernels, our theoretical analysis is based on much general kernel function, which is not necessarily symmetric or positive semi-definite. Empirical results on the benchmark datasets demonstrate the effectiveness of the coefficient-based algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 133, 10 June 2014, Pages 54-62
Journal: Neurocomputing - Volume 133, 10 June 2014, Pages 54-62
نویسندگان
Hong Chen, Zhibin Pan, Luoqing Li,